Durchsuchbare Dokumentation aufrufen | Zurück zur Dokumentationsübersicht

Navigation: Dokumentationen agorum core > ALBERT | AI > ALBERT | AI Agents

ALBERT | AI Sandbox

Sie können isolierte Arbeitsumgebungen zur Ausführung von KI-Aufgaben einrichten.

Jede Sandbox wird bei Bedarf über einen REST-Service erstellt, als Docker-Container gestartet und enthält alles, was ein autonomer Agent benötigt:

einen vollständigen Desktop, der über noVNC bereitgestellt wird,
eine MC Hub-Instanz mit Playwright für automatisierte Browser-Steuerung
sowie einen Shell-Ausführungs-Service für Skripte oder Python-Code.

Wenn menschliche Intervention erforderlich ist, kann derselbe Desktop in jedem modernen Browser geöffnet werden, sodass Anmeldedaten oder Multi-Faktor-Abfragen interaktiv bearbeitet werden können.

Hinweis: Für die Einrichtung von ALBERT | AI Sandbox verwenden Sie folgendes GIT-Projekt:

ALBERT | AI Sandbox

Hauptfunktionen

Dedizierte Desktop-Sandboxes pro API-Anfrage: Jede Anfrage erstellt eine vollständige, isolierte Umgebung mit vorinstallierten Browser-Automatisierungs- und Shell-Tools.
Sicherer Desktop-Zugriff über noVNC: Desktops können sicher über noVNC geteilt werden, sodass Benutzer ohne lokale Software überwachen oder eingreifen können.
MCHub mit Playwright: In jedem Container läuft MCHub mit Playwright zur Orchestrierung von Browser-Sitzungen für den KI-Agenten.
Shell-Ausführung: Führen Sie Shell-Befehle, Skripte oder Notebooks innerhalb des Containers über den eingebetteten Shell-Service aus.
Automatisches Stoppen bei Inaktivität: Container werden nach 10 Minuten Inaktivität automatisch gestoppt, um Kapazitäten zu schonen.
Isolierte Daten und Lifecycle-Operationen: Jeder API-Schlüssel hat Zugriff nur auf seine eigenen Sandboxes, sodass Tenants voneinander isoliert sind.

Systemanforderungen

Komponente	Anforderung
Betriebssystem	Debian 12 (bookworm) verifiziert; vergleichbare Debian-basierte Systeme sollten mit äquivalenten Paketen funktionieren
Berechtigungen	Root-Zugriff zum Ausführen des Installers, Verwalten von Services und Konfigurieren von nginx
Docker	Docker Engine und systemd müssen auf dem Host verfügbar sein
Netzwerk	Internetverbindung während der Installation zum Abrufen von Docker-Komponenten und Python-Paketen

Installation

Gehen Sie wie folgt vor, um ALBERT | AI Sandbox zu installieren:

Melden Sie sich auf einem Debian 12 Host mit Root-Rechten an.

Klonen Sie das Repository und führen Sie den Installer aus:

git clone https://github.com/agorum/albert-ai-sandbox.git albert-ai-sandbox
cd albert-ai-sandbox
sudo bash install.sh

Der Installer stellt alle erforderlichen Pakete bereit, erstellt das Desktop-Container-Image, registriert den Manager-Service und platziert Hilfsskripte unter /opt/albert-ai-sandbox-manager mit praktischen Symlinks in /usr/local/bin.
Nach der Installation läuft der albert-container-manager systemd-Service auf Port 5001 und ist bereit, API-Aufrufe zu empfangen.

Achtung: Für den Betrieb sind Docker und systemd zwingend erforderlich. Die Installation muss mit Root-Rechten erfolgen.

API-Key-Verwaltung

Damit agorum core mit dem ALBERT | AI Sandbox Server kommunizieren kann, muss ein API-Schlüssel erstellt werden. Jeder API-Schlüssel ist einem Benutzer oder einer Anwendung zugeordnet und ermöglicht die Verwaltung eigener Sandboxes.

API-Key erstellen

Führen Sie auf dem Sandbox-Server folgenden Befehl aus:

sudo /opt/albert-ai-sandbox-manager/scripts/api-key-manager.sh create --label "agorum core Integration"

Der Befehl gibt einen API-Schlüssel zurück, der wie folgt aussieht:

OPpDNFekdM5hUuQsboNhgTfUB0nuKYXyE_lHJQ4rNeE

Hinweis: Bewahren Sie den API-Schlüssel sicher auf. Er wird benötigt, um die Tools in agorum core zu konfigurieren.

API-Keys auflisten

Um alle vorhandenen API-Schlüssel aufzulisten:

sudo /opt/albert-ai-sandbox-manager/scripts/api-key-manager.sh list

API-Key löschen

Um einen API-Schlüssel zu löschen:

sudo /opt/albert-ai-sandbox-manager/scripts/api-key-manager.sh delete <api-key>

Sicherheitshinweise

Isolierung: Jeder API-Schlüssel hat nur Zugriff auf seine eigenen Sandboxes. Sandboxes verschiedener API-Schlüssel sind vollständig voneinander isoliert.
Bearer Authentication: Alle API-Aufrufe verwenden Bearer Token Authentication für sichere Kommunikation.
Verschlüsselung: API-Schlüssel werden in agorum core verschlüsselt gespeichert.

Integration mit agorum core und ALBERT | AI Agents

Um die ALBERT | AI Sandbox in agorum core zu nutzen, müssen Sie eine KI-Voreinstellung konfigurieren. Das Projekt agorum.ai.agents.library.basic enthält bereits eine vorkonfigurierte Voreinstellung.

Voraussetzungen

ALBERT | AI Sandbox Server ist installiert und läuft
API-Schlüssel wurde erstellt
Netzwerkverbindung zwischen agorum core und dem Sandbox-Server besteht
Plugin ALBERT | AI Agents (mit dem dazugehörigen Plugin agorum.ai.agents.library.basic) ist in agorum core installiert

Konfiguration der KI-Voreinstellung

Gehen Sie wie folgt vor, um die vorkonfigurierte Sandbox-Voreinstellung einzurichten:

Navigieren Sie in agorum core zu KI-Konfiguration > Voreinstellungen.
Öffnen Sie die Voreinstellung agorum_ai_agents_library_basic_preset_albert_ai_sandbox mit dem Anzeigenamen ALBERT | AI Sandbox.
Wählen Sie unter Referenz-Voreinstellung die KI-Voreinstellung mit der Verbindung zum gewünschen Sprachmodell aus.
Aktivieren Sie die Option Diese Voreinstellung kann in ALBERTs Chat genutzt werden, wenn Sie die Sandbox im Chat verwenden möchten.
Klicken Sie auf Tools und wählen Sie die Tool-Group All Sandbox-Tools (agorum_ai_agents_library_basic_sandbox_tools_group).
Bearbeiten Sie das Tool Manages sandboxes on an ALBERT | AI Sandbox Server (agorum_ai_agents_library_basic_sandbox_manage):

• Base URL: Tragen Sie die Basis-URL des Sandbox-Servers ein (z.B. http://10.0.1.61 oder https://sandbox.example.com)
• API Key: Fügen Sie den im vorherigen Schritt erstellten API-Schlüssel ein
Speichern Sie die Änderungen.

Hinweis: Die anderen Tools in der Tool-Group (upload, download, MCP) erben automatisch die Basis-URL und den API-Key vom Manage-Tool durch dynamische Parameter.

Verfügbare Tools

Technischer Name	Kurzbeschreibung	Dokumentation
sandbox_download	Sicheres Herunterladen von Dateien aus ALBERT \| AI Sandbox-Umgebungen und deren Speicherung als temporäre Dateien in agorum core	Dokumentation
sandbox_upload	Sicherer Upload von Dateien auf einen ALBERT \| AI Sandbox Server zur isolierten Verarbeitung und Analyse durch KI-Systeme	Dokumentation
sandbox_manage	Verwaltung von ALBERT \| AI Sandbox Server Containern	Dokumentation
albert_ai_sandbox_mcp	MCP-Tools für Shell-Befehle und Browser-Automatisierung (bash-mcp, playwright-browser)	Dokumentation

Kontext und Wissensbasis

Die vorkonfigurierte Voreinstellung enthält bereits einen optimierten Kontext mit:

Aktuellen Benutzerinformationen (Name, Sprache, Datum)
Zugriff auf die Wissensbasis agorum.ai.sandbox/basic mit Best Practices zur Sandbox-Nutzung
Eine Willkommensnachricht mit Beispielen und Tipps für die Verwendung

Test der Konfiguration

Um zu testen, ob die Integration funktioniert:

Öffnen Sie den ALBERT Chat.
Wählen Sie die Voreinstellung ALBERT | AI Sandbox aus.
Geben Sie ein: Liste mir meine Container auf
Die KI sollte eine Liste der vorhandenen Container zurückgeben (oder eine leere Liste, wenn noch keine Container existieren).

Chat-Vorlagen

Zusätzlich zu den KI-Voreinstellungen können Sie Chat-Vorlagen erstellen, die Ihren Nutzern den Umgang mit den Sandboxen erleichtern, siehe Die Chat-Vorlagen verwenden.

Arbeiten mit Sandboxen

Dieser Abschnitt beschreibt den typischen Workflow bei der Arbeit mit Sandboxen und gibt Best Practices für die effiziente Nutzung.

Sandbox-Lifecycle

Eine Sandbox durchläuft verschiedene Zustände während ihrer Lebensdauer:

Create: Erstellen Sie eine neue Sandbox mit dem create-Befehl. Die KI erstellt einen neuen Docker-Container mit vollständigem Desktop und allen Tools.
Running: Nach der Erstellung ist die Sandbox aktiv und bereit für Aufgaben. Sie können Shell-Befehle ausführen, Dateien hochladen/herunterladen und den Browser steuern.
Idle: Wenn 10 Minuten lang keine Aktivität stattfindet, wird der Container automatisch gestoppt, um Ressourcen zu sparen.
Stopped: Ein gestoppter Container kann jederzeit mit start wieder aktiviert werden. Alle Daten bleiben erhalten.
Removed: Mit remove wird der Container permanent gelöscht. Alle Daten gehen verloren.

Empfohlener Workflow

Die KI führt automatisch folgenden Workflow aus, wenn Sie eine Aufgabe übergeben:

Container prüfen: Die KI listet zuerst alle vorhandenen Container auf (list).
Container auswählen oder erstellen:

• Wenn genau ein Container existiert: Dieser wird verwendet
• Wenn mehrere Container existieren: Die KI fragt, welcher verwendet werden soll
• Wenn kein Container existiert: Ein neuer wird erstellt
Status prüfen: Die KI prüft den Status des ausgewählten Containers.
Container starten: Falls gestoppt, wird der Container automatisch gestartet.
Aufgabe ausführen: Die KI führt die Aufgabe aus (Dateien verarbeiten, Browser steuern, Skripte ausführen).
Ergebnisse zurückgeben: Erzeugte Dateien werden nach agorum core heruntergeladen und dem Benutzer bereitgestellt.

Container-Verwaltung

Jeder Benutzer kann mehrere Container parallel betreiben. Die Container werden automatisch in der Benutzerkonfiguration unter home:MyAdmin/agorum.ai/settings/sandbox.json gespeichert.

Wichtige Hinweise:

Container sind privat und nur für den API-Key sichtbar, mit dem sie erstellt wurden
Container können benannt werden, um sie leichter identifizieren zu können
Gestoppte Container behalten ihre Daten und Konfiguration
Der Desktop-Link bleibt auch nach einem Neustart gültig

Automatisches Container-Management

Um Ressourcen zu schonen, werden Container automatisch nach 10 Minuten Inaktivität gestoppt. Dies betrifft:

Keine aktiven Shell-Befehle
Keine Browser-Aktivität
Keine Datei-Uploads oder -Downloads

Tipp: Gestoppte Container verbrauchen keine CPU oder RAM, belegen aber weiterhin Festplattenspeicher. Löschen Sie nicht mehr benötigte Container mit dem remove-Befehl.

Best Practices

Container-Namen vergeben

Verwenden Sie sprechende Namen für Ihre Container, um sie leichter identifizieren zu können:

"Erstelle einen Container mit dem Namen 'webautomation'"

Dateien strukturiert ablegen

Hochgeladene Dateien werden standardmäßig unter /tmp gespeichert. Organisieren Sie Ihre Dateien in Unterverzeichnissen:

mkdir -p /tmp/projekt1/eingaben
mkdir -p /tmp/projekt1/ausgaben

Ressourcen freigeben

Löschen Sie Container, die Sie nicht mehr benötigen:

"Lösche meinen Container 'webautomation'"

Desktop für komplexe Interaktionen

Für Aufgaben, die manuelle Interaktion erfordern (etwa Multi-Faktor-Authentifizierung), können Sie den Desktop-Link verwenden:

"Gib mir den anklickbaren Link zu meinem Container-Desktop"

MCP-Services in der Sandbox

Jede Sandbox enthält einen MCP Hub (Model Context Protocol), der umfangreiche Tools für Shell-Befehle und Browser-Automatisierung bereitstellt. Diese Tools werden automatisch durch das Tool albert_ai_sandbox_mcp verfügbar gemacht.

Shell-Execution Tools

Die bash-mcp Tools ermöglichen die Ausführung von Shell-Befehlen direkt im Container:

Tool	Beschreibung
bash-mcp-run	Führt einen Shell-Befehl aus und gibt die Ausgabe zurück. Parameter: `command`: Auszuführender Befehl `cwd`: Arbeitsverzeichnis (optional, Standard: `/tmp`) `timeout`: Timeout in Millisekunden (Standard: 30000) Beispiele: Dateikonvertierung, Skript-Ausführung, Systemabfragen
bash-mcp-run_background	Startet einen Befehl im Hintergrund. Parameter: `command`: Auszuführender Befehl `name`: Eindeutiger Name für den Prozess `cwd`: Arbeitsverzeichnis (optional) Beispiele: Webserver starten, Langzeitprozesse
bash-mcp-kill_background	Beendet einen Hintergrundprozess. Parameter: `name`: Name des zu beendenden Prozesses
bash-mcp-list_background	Listet alle laufenden Hintergrundprozesse auf.

Browser-Automation Tools (Playwright)

Die playwright-browser Tools ermöglichen vollständige Browser-Automatisierung mit Chromium:

Navigation und Seitensteuerung

Tool	Beschreibung
playwright-browser_navigate	Navigiert zu einer URL. Parameter: `url` (URL der aufzurufenden Webseite)
playwright-browser_navigate_back	Geht zurück zur vorherigen Seite.
playwright-browser_tabs	Verwaltet Browser-Tabs (list, new, close, select). Parameter: `action`: Operation (list, new, close, select) `index`: Tab-Index für close/select (optional)
playwright-browser_close	Schließt die aktuelle Seite.
playwright-browser_resize	Passt die Browsergröße an. Parameter: `width`, `height` (in Pixel)

Interaktion mit Elementen

Tool	Beschreibung
playwright-browser_click	Klickt auf ein Element. Parameter: `element`: Beschreibung des Elements `ref`: Referenz aus dem Snapshot `button`: Maustaste (left, right, middle) `doubleClick`: Doppelklick (boolean) `modifiers`: Modifier-Tasten (Alt, Control, Shift)
playwright-browser_type	Gibt Text in ein Element ein. Parameter: `element`, `ref`: Element-Identifikation `text`: Einzugebender Text `submit`: Enter nach Eingabe drücken (boolean) `slowly`: Zeichen für Zeichen eingeben (boolean)
playwright-browser_fill_form	Füllt mehrere Formularfelder aus. Parameter: Array von Feldern mit name, type, ref und value
playwright-browser_select_option	Wählt Optionen in Dropdown-Menüs aus. Parameter: `element`, `ref`, `values` (Array)
playwright-browser_hover	Bewegt die Maus über ein Element.
playwright-browser_drag	Drag & Drop zwischen zwei Elementen. Parameter: `startElement`, `startRef`, `endElement`, `endRef`
playwright-browser_press_key	Drückt eine Taste. Parameter: `key` (z.B. "Enter", "ArrowLeft", "a")

Seitenanalyse und Informationsgewinnung

Tool	Beschreibung
playwright-browser_snapshot	Erstellt einen barrierefreien Snapshot der Seite mit strukturierten Element-Referenzen. Wichtig: Dies ist die bevorzugte Methode zur Seitenanalyse - besser als Screenshots!
playwright-browser_take_screenshot	Erstellt einen Screenshot der Seite oder eines Elements. Parameter: `type`: png oder jpeg `filename`: Dateiname (optional) `element`, `ref`: Spezifisches Element (optional) `fullPage`: Gesamte Seite (boolean) Hinweis: Für Aktionen verwenden Sie browser_snapshot!
playwright-browser_console_messages	Gibt alle Konsolen-Nachrichten seit Laden der Seite zurück.
playwright-browser_network_requests	Gibt alle Netzwerk-Anfragen seit Laden der Seite zurück.
playwright-browser_evaluate	Führt JavaScript-Code auf der Seite oder in einem Element aus. Parameter: `function`: JavaScript-Funktion als String `element`, `ref`: Element (optional)

Datei-Upload und Dialoge

Tool	Beschreibung
playwright-browser_file_upload	Lädt eine oder mehrere Dateien hoch. Parameter: `paths` (Array von absoluten Pfaden) Hinweis: Dateien müssen zuerst mit sandbox_upload in den Container geladen werden!
playwright-browser_handle_dialog	Behandelt Browser-Dialoge (alerts, confirms, prompts). Parameter: `accept`: Dialog bestätigen (boolean) `promptText`: Text für Prompt (optional)

Hilfsfunktionen

Tool	Beschreibung
playwright-browser_wait_for	Wartet auf bestimmte Bedingungen. Parameter: `time`: Wartezeit in Sekunden (optional) `text`: Warten bis Text erscheint (optional) `textGone`: Warten bis Text verschwindet (optional)
playwright-browser_install	Installiert den Browser (falls noch nicht vorhanden). Hinweis: Normalerweise nicht nötig, Browser ist vorinstalliert.

Beispiel-Workflows mit MCP

Webseite aufrufen und Daten extrahieren

playwright-browser_navigate zu https://example.com
playwright-browser_snapshot erstellen
playwright-browser_evaluate um Daten zu extrahieren
Ergebnisse in Datei speichern und mit sandbox_download herunterladen

Formular ausfüllen und absenden

playwright-browser_navigate zur Formularseite
playwright-browser_snapshot erstellen (Element-Referenzen abrufen)
playwright-browser_fill_form mit allen Feldern
playwright-browser_click auf Submit-Button
playwright-browser_wait_for bis Bestätigung erscheint

Datei verarbeiten und hochladen

sandbox_upload - Datei in Container laden
bash-mcp-run - Datei mit Shell-Befehlen verarbeiten
playwright-browser_navigate zur Upload-Seite
playwright-browser_file_upload mit verarbeiteter Datei

Automatischer Desktop-Zugriff

Jede Sandbox enthält einen vollständigen Linux-Desktop, der über noVNC im Browser zugänglich ist. Dies ermöglicht visuelle Interaktion mit dem Container, wenn automatisierte Prozesse nicht ausreichen.

Desktop-Funktionen

Der Desktop in jeder Sandbox bietet:

Vollständige Xfce-Desktop-Umgebung mit grafischer Oberfläche
Chromium Browser für manuelle Web-Interaktion
Terminal für Shell-Befehle
Dateimanager zum Durchsuchen des Dateisystems
Vorinstallierte Tools: Python, ImageMagick, ffmpeg, und weitere

Zugriff auf den Desktop

Der Desktop ist über eine eindeutige URL erreichbar. Nach dem Erstellen eines Containers erhalten Sie die Desktop-URL:

http://<sandbox-server>/<container-name>/

Beispiel:

http://10.0.1.61/sbx-abc123/

Sie können die URL auch jederzeit von der KI erfragen:

"Gib mir den Link zum Desktop meines Containers"

noVNC-Bedienung

Der Desktop wird über noVNC bereitgestellt, einen browserbasierten VNC-Client:

Keine Installation erforderlich: Funktioniert in jedem modernen Browser
Vollständige Maus- und Tastatursteuerung
Zwischenablage-Synchronisation zwischen lokalem System und Container
Skalierbare Ansicht: Desktop passt sich der Browsergröße an

Anwendungsfälle für manuellen Desktop-Zugriff

Anwendungsfall	Beschreibung
Multi-Faktor-Authentifizierung	Wenn eine Webseite 2FA verlangt, können Sie im Desktop-Browser den Code eingeben oder eine Authentifizierungs-App verwenden.
Visuelle Prüfung	Überprüfen Sie, wie eine Webseite dargestellt wird, oder kontrollieren Sie das Ergebnis einer Browser-Automation visuell.
Debugging	Untersuchen Sie Fehler bei der Automatisierung durch direktes Nachvollziehen der Schritte im Browser.
Manuelle Downloads	Laden Sie Dateien manuell herunter, wenn Automatisierung nicht möglich ist (z.B. CAPTCHA).
Datei-Überprüfung	Öffnen Sie erzeugte Dateien im Container, um das Ergebnis vor dem Download zu prüfen.

Automatisches Herunterfahren

Wenn für 10 Minuten keine Aktivität stattfindet (weder API-Aufrufe noch Desktop-Nutzung), wird der Container automatisch gestoppt. Der Desktop bleibt dabei erhalten:

Alle Dateien im Container bleiben gespeichert
Die Desktop-URL bleibt gültig
Beim nächsten start wird der Desktop in demselben Zustand wiederhergestellt

Tipp: Sie können den Desktop parallel zur KI-Automatisierung nutzen. Öffnen Sie einfach die Desktop-URL in einem neuen Tab, während die KI im Hintergrund arbeitet.

Anwendungsbeispiele

Dieser Abschnitt zeigt typische Anwendungsfälle für ALBERT | AI Sandbox und wie Sie diese in der Praxis umsetzen.

Beispiel 1: Webseite aufrufen und Cookie-Banner bestätigen

Aufgabe an die KI:

"Öffne https://www.agorum.com im Browser und klicke auf dem Cookie-Banner auf 'Einstellung speichern'"

Was passiert:

KI erstellt oder startet einen Container
playwright-browser_navigate zu www.agorum.com
playwright-browser_snapshot erstellt Seitenstruktur
playwright-browser_click auf Cookie-Button
Bestätigung wird zurückgemeldet

Beispiel 2: Formular ausfüllen

Aufgabe an die KI:

"Fülle das Kontaktformular auf example.com aus mit:
Name: Max Mustermann
E-Mail: max@example.com
Nachricht: Dies ist ein Test"

Ergebnis: Die KI navigiert zur Seite, identifiziert alle Formularfelder und füllt sie automatisch aus.

Beispiel 3: SVG zu PNG konvertieren

Aufgabe an die KI (mit angehängter SVG-Datei):

"Konvertiere diese SVG-Datei in ein PNG mit 1024 Pixeln für die längste Seite"

Was passiert:

KI lädt die angehängte Datei mit sandbox_upload in den Container
Führt bash-mcp-run mit ImageMagick-Befehl aus:
convert input.svg -resize 1024x1024 output.png
Lädt das Ergebnis mit sandbox_download zurück nach agorum core
Gibt den Link zur konvertierten Datei zurück

Beispiel 4: Mehrere Bilder konvertieren

Aufgabe an die KI:

"Erstelle ein Bash-Skript, das alle PNG-Dateien in JPG konvertiert, und führe es aus"

Ergebnis: Die KI erstellt ein Skript, macht es ausführbar und führt es im Container aus.

Beispiel 5: API abfragen und Daten verarbeiten

Aufgabe an die KI:

"Erstelle ein Python-Skript, das die API https://api.example.com/data abfragt,
die JSON-Antwort verarbeitet und als CSV-Datei speichert"

Was passiert:

KI erstellt Python-Skript mit requests und pandas
Speichert Skript im Container
Führt Skript mit bash-mcp-run aus
Lädt resultierende CSV-Datei herunter

Beispiel 6: Web Scraping mit Datenverarbeitung

Aufgabe an die KI:

"Rufe https://example.com/produkte auf, extrahiere alle Produktnamen und Preise,
und erstelle eine Excel-Datei mit den Daten"

Workflow:

playwright-browser_navigate zur Produktseite
playwright-browser_snapshot für Seitenstruktur
playwright-browser_evaluate zum Extrahieren der Daten
Python-Skript erstellen zur Verarbeitung
Excel-Datei mit openpyxl generieren
Datei herunterladen

Beispiel 7: Dokument hochladen und verarbeiten

Aufgabe an die KI (mit angehängtem PDF):

"Lade dieses PDF auf upload.example.com hoch und lade das verarbeitete Ergebnis herunter"

Workflow:

sandbox_upload: PDF in Container laden
playwright-browser_navigate zur Upload-Seite
playwright-browser_file_upload: PDF hochladen
playwright-browser_wait_for: Auf Verarbeitung warten
playwright-browser_click: Download-Link klicken
Datei im Container finden und mit sandbox_download herunterladen

Tipps für effektive Nutzung

Best Practices:

Klare Anweisungen: Geben Sie präzise an, was gemacht werden soll
Ziel definieren: Beschreiben Sie das gewünschte Endergebnis
Start-URL angeben: Nennen Sie die vollständige URL bei Web-Aufgaben
Dateinamen spezifizieren: Geben Sie an, wie Ausgabedateien heißen sollen
Format wählen: Spezifizieren Sie das gewünschte Ausgabeformat (CSV, Excel, JSON, etc.)